动手学深度学习第43页

只给测试集不给训练集，要怎么做自己的物体检测器？

9月5日，下周四，大家期待已久的由《动手学深度学习》作者，亚马逊首席科学家亲自带领的「深度学习实训营」就要在北京开营了。

AI科技大本营·2019-08-31 00:00

深度学习：循环神经网络

本文内容来源于《深度学习》和《动手学深度学习》一、简介循环神经网络（recurrentneuralnetwork）或RNN(Rumelhartetal.,1986c)是一类用于处理序列数据的神经网络。

azago·2019-08-03 17:16

《动手学深度学习》第四天之softmax回归

首先学习第三章第五节–图像分类数据集主要解释一下对于函数的定义（一）定义get_fashion_mnist_labels(labels)函数来将数值标签转成相应的文本标签：将用的到的衣服类别定义在一个数组里面，通过将数组下表和数组内容对应进行转换。（二）定义show_fashion_mnist(images,labels)函数在一行里画出多张图像和对应标签的函数：①首先调用函数d2l.use_sv

打着灯笼摸黑·2019-07-21 08:28

window下安装MXNet

《动手学深度学习》电子书：https://zh.d2l.ai/d2l-zh.pdf2.《动手学深度学习》官网：https://zh.d2l.ai/3.

日萌社·2019-07-13 23:21

6月份Github上热门的Python开源项目!

Python资深程序员·2019-07-08 19:52

李沐开源新作，一起来《动手学深度学习》

点击上方“Datawhale”，选择“星标”公众号第一时间获取价值内容图文/静修排版/家豪【导读】《动手学深度学习》这本书由亚马逊首席科学家李沐，亚马逊应用科学家阿斯顿·张等大师合作打造，沉淀三年完成。

Datawhale·2019-06-28 12:00

MXNet中NDArray中的广播运算条件

问题《动手学深度学习》（ByAstonZhang,MuLi,ZacharyC.Lipton,AlexanderJ.Smola）中介绍NDArray中的广播运算时并没有说清楚广播运算的条件。

googlingman·2019-06-23 11:22

动手学深度学习 - 9.3. 目标检测和边界框

动手学深度学习-9.3.目标检测和边界框动手学深度学习-DiveintoDeepLearningAstonZhang,ZacharyC.Lipton,MuLi,andAlexanderJ.Smolahttps

ForeverStrong·2019-06-22 12:23

动手学深度学习 - 9. 计算机视觉

动手学深度学习-9.计算机视觉动手学深度学习-DiveintoDeepLearningAstonZhang,ZacharyC.Lipton,MuLi,andAlexanderJ.Smolahttps:/

Yongqiang Cheng·2019-06-22 09:26

MAC＋Anaconda安装MXNet

第二步：安装MXNet起因是从网络上搞到一本李沐大师参与编写的《动手学深度学习》，且更新时间为2019年4月，不可多得。于是，根据书中源码调试要求，想再安装MXNet框架，全面学习一下有关内容。

googlingman·2019-06-21 16:31

HaruStone·2019-06-21 13:35

动手学深度学习 - 3.8. 多层感知机

动手学深度学习-3.8.多层感知机动手学深度学习-DiveintoDeepLearningAstonZhang,ZacharyC.Lipton,MuLi,andAlexanderJ.Smolahttps

ForeverStrong·2019-06-15 23:11

动手学深度学习 - 5.2. 填充和步幅

动手学深度学习-5.2.填充和步幅动手学深度学习-DiveintoDeepLearningAstonZhang,ZacharyC.Lipton,MuLi,andAlexanderJ.Smolahttps

Yongqiang Cheng·2019-06-15 22:44

动手学深度学习 - 5.1. 二维卷积层

动手学深度学习-5.1.二维卷积层动手学深度学习-DiveintoDeepLearningAstonZhang,ZacharyC.Lipton,MuLi,andAlexanderJ.Smolahttps

Yongqiang Cheng·2019-06-15 17:42

动手学深度学习 - 3.11. 模型选择、欠拟合和过拟合

动手学深度学习-3.11.模型选择、欠拟合和过拟合动手学深度学习-DiveintoDeepLearningAstonZhang,ZacharyC.Lipton,MuLi,andAlexanderJ.Smolahttps

ForeverStrong·2019-06-14 23:20

动手学深度学习 - 3.4. softmax 回归

动手学深度学习-3.4.softmax回归动手学深度学习-DiveintoDeepLearningAstonZhang,ZacharyC.Lipton,MuLi,andAlexanderJ.Smolahttps

Yongqiang Cheng·2019-06-14 23:54

动手学深度学习 - 11.5. GPU 购买指南

动手学深度学习-11.5.GPU购买指南动手学深度学习-DiveintoDeepLearningAstonZhang,ZacharyC.Lipton,MuLi,andAlexanderJ.Smolahttps

Yongqiang Cheng·2019-06-14 19:48

动手学深度学习 - 11.7. d2lzh 包索引

动手学深度学习-11.7.d2lzh包索引动手学深度学习-DiveintoDeepLearningAstonZhang,ZacharyC.Lipton,MuLi,andAlexanderJ.Smolahttps

Yongqiang Cheng·2019-06-14 19:20

动手学深度学习 - 3.1 线性回归

动手学深度学习-3.1线性回归动手学深度学习-DiveintoDeepLearningAstonZhang,ZacharyC.Lipton,MuLi,andAlexanderJ.Smolahttps:/

Yongqiang Cheng·2019-06-12 20:50

最简单的深度学习入门书《动手学深度学习》

就在几年前，不管在大公司还是创业公司，都鲜有工程师和科学家来将深度学习应用到智能产品与服务中。作为深度学习前身的神经网络，才刚刚摆脱被机器学习学术界认为是过时工具的印象。那个时候，即使是机器学习也非新闻头条的常客。它仅仅被看作是一门具有前瞻性，并拥有一系列小范围实际应用的学科。在包含计算机视觉和自然语言处理在内的实际应用通常需要大量的相关领域知识：这些实际应用被视为相互独立的领域，而机器学习只占其

人邮社异步社区·2019-06-12 09:10

Dive into Deep Learning - 动手学深度学习

DiveintoDeepLearning-动手学深度学习DiveintoDeepLearninghttps://d2l.ai/https://en.d2l.ai/d2l-en.pdf动手学深度学习https

Yongqiang Cheng·2019-06-07 23:10

动手学深度学习 - 11.1. 数学符号 (notation)

动手学深度学习-11.1.数学符号(notation)动手学深度学习-DiveintoDeepLearningAstonZhang,ZacharyC.Lipton,MuLi,andAlexanderJ.Smolahttps

Yongqiang Cheng·2019-06-07 23:41

动手学深度学习 - 5. 卷积神经网络

动手学深度学习-5.卷积神经网络动手学深度学习-DiveintoDeepLearningAstonZhang,ZacharyC.Lipton,MuLi,andAlexanderJ.Smolahttps:

Yongqiang Cheng·2019-06-07 23:09

动手学深度学习 - 11.2. 数学知识

动手学深度学习-11.2.数学知识动手学深度学习-DiveintoDeepLearningAstonZhang,ZacharyC.Lipton,MuLi,andAlexanderJ.Smolahttps

Yongqiang Cheng·2019-06-07 23:29

动手学深度学习Dive into Deep Learning加州大学伯克利分校2019年春学期“Introduction to Deep Learning：欢迎进入AI学习的世界

欢迎进入AI学习的世界1、编写目的读者要求2、学习路径目录本书的英文版DiveintoDeepLearning是加州大学伯克利分校2019年春学期“IntroductiontoDeepLearning”（深度学习导论）课程的教材。截至2019年春学期。笔者想在csdnblog分享自己的交流心得。在本书中，需要经过反复思考，编程，才能获得较浅层次领悟（课程中同时会引用经典内容、图片、代码的时候我也会

AI插班生·2019-06-04 10:48

动手学深度学习三---多层感知机MLP

1、隐藏层多层感知机在单层神经网络中引入了一到多个隐藏层，隐藏层位于输入层和输出层之间输入层特征数为4个，输出层标签类别为3，隐藏单元5个，输入层不涉及计算，多层感知机层数为2隐藏层中神经元和输入层中各个输入完全连接，输出层神经元与隐藏层神经元完全连接，因此全连接层有两个：输出层和隐藏层假设隐藏层权重和偏差分别为wh、bh，输出层权重和偏差分别为wo、bo，输出o的计算为H=XWh+bh，O=HW

棽棽·2019-05-28 09:00

动手学深度学习二---softmax回归

1、适用情景当模型需要输出图像类别这样的离散值时，可以使用包括softmax在内的分类模型。softmax回归即在输出中采用了softmax运算，使运算结果更适合离散值的训练和预测。2、softmax模型假设输入特征为x1、x2、x3、x4，根据输入特征判断图片类别为O1、O2、O3，权重为带下标的w，偏差为带下标的b，对于每个输出，计算过程如下：用神经网络描绘以上计算，输入为个数为特征个数4个，

棽棽·2019-05-21 09:00

Ubuntu上的深度学习环境配置

本文适用于配置《动手学深度学习》书中的Linux+NVIDIA显卡环境。因文中对于GPU的安装描述略显简单，故结合个人经验拾遗补缺。

hyperly·2019-05-10 11:42

计算机视觉中的深度学习

教材选用《动手学深度学习》，李沐等著；图像增⼴图像增⼴（imageaugmentation）技术通过对训练图像做⼀系列随机改变，来产⽣相似但⼜不同的训练样本，从而扩⼤训练数据集的规模。

qiufeng1ye·2019-04-19 11:28

《动手学深度学习》第一课：从上手到多类分类---笔记

一.深度学习基础1.线性回归：线性回归针对的问题输出是一个连续值。模型：权重偏差模型的输出是对真实结果的预测或估计模型训练：训练数据：训练数据集/训练集样本-标签特征损失函数（衡量预测值与真实值之间的误差）平方损失优化算法（小批量随机梯度下降）：先选取一组模型参数的初始值（随机选取）；对参数多次迭代，使每次迭代都可能降低损失函数的值。通过固定的批量大小，求小批量中数据样本的平均损失有关模型参数的倒

CruiseYu·2019-04-04 10:12

机器学习&深度学习的学习路线

而深度学习是建立在机器学习之上的,所以我觉得在开始学习深度学习之前,牢固学习机器学习十分有必要.这里主要列一下学习的课程:莫烦python吴恩达机器学习CS229DeepLearningAI李弘毅机器学习动手学深度学习简要介绍一下上面的课程

Arron_hou·2019-02-21 00:28

【深度学习】含有并行连接的深度卷积网络GoogLeNet

文章目录GoogLeNet模型基础块Inception模型构建实验实验代码实验结果本文为《动手学深度学习》一书学习笔记，原文地址：http://zh.d2l.ai/chapter_convolutional-neural-networks

Beb1997·2019-02-17 20:09

《动手学深度学习》学习笔记

全书结构图如下：1.深度学习简介定义以及与机器学习的关系深度学习是指机器学习中的一类函数，能够逐级表示越来越抽象的概念或模式，他们的形式通常为多层神经网络，近年来，已逐渐成为处理图像、文本预料和声音信号等复杂高纬度数据的主要方法，属于机器学习的一类，外在特点是端到端的训练；机器学习研究如何使计算机利用经验提高性能，属于人工智能领域的分支，也是实现人工智能的一种手段；神经网络核心原则交替使用现行和非

村雨1943·2019-01-24 15:07

李沐《动手学深度学习》中文版PDF和视频免费领！！！

今天小编就来安利一本中文资料——中文版本的《动手学深度学习》。内容简介本书向希望了解深度学习，特别是对实际使用深度学习感兴趣的学习者。

DL&CV_study·2019-01-11 20:48

李沐老师在伯克利开新课了，深度学习教材已经开源，视频也会有的

dujiahei·2019-01-09 18:40

动手学深度学习环境配置

这本书http://zh.gluon.ai/，是一名交大的学生编写的，可以说很实用，很好学。刚开始接触看到里面的图片，算法解释——以及对应的代码实现，我就想自己去学一遍。但是开头就遇到了问题，本身我的电脑是包含Anaconda的，但是书中Miniconda，于是我下载了，大致浏览了一下感觉不好用，于是就卸载了，没想到我的类似于cmd命令的AnacondaPrompt不见了。于是我有重新安装Anac

陌上行者·2019-01-03 17:14

CondaHTTPError报错解决方案

因为看了动手学深度学习，原本我已经有了Anaconda，但是还是照着那本书装了Miniconda。

陌上行者·2018-12-18 19:38

下载 | 524页中文教程《动手学深度学习》

《动手学深度学习》是由亚马逊首席科学家、美国卡内基梅隆大学计算机博士李沐等人编著，带你从浅至深实践深度学习。

机器学习算法与Python学习-公众号·2018-12-06 16:45

MXNet动手学深度学习：Fashion-MNIST数据集读取

文章目录获取数据集数据集简介代码讲解导入包获取数据集与测试集将数值标签转化为文本标签显示图像的函数测试```show_fashion_mnist```函数读取小批量代码总结获取数据集数据集简介本节中将使用数据集Fashion-MNIST，Fashion-MNIST中⼀共包括了10个类别，分别为：t-shirt（T恤）、trouser（裤⼦）、pullover（套衫）、dress（连⾐裙）、coat

诗人的情人·2018-12-03 10:54

《Gluon 动手学深度学习》显示图像数据集Fashion-MNIST

%matplotlibinlineimportsyssys.path.append('..')importgluonbookasgbfrommxnet.gluonimportdataasgdataimporttimemnist_train=gdata.vision.FashionMNIST(train=True)mnist_test=gdata.vision.FashionMNIST(train=

邦戈栗子·2018-11-05 09:19

动手学深度学习笔记（一）

一、使用NDArray来处理数据首先从MXNet导入ndarray模块。nd是ndarray的缩写形式。frommxnetimportndarrayasnd然后创建3行4列的2d数组nd.zeros((3,4))创建随机数组，元素服从均值0，方差1的正态分布。y=nd.random_normal(0,1,shape=(3,4))数组的形状y.shape数组的大小y.size操作符加法：x+y乘法：

文武_665b·2018-09-08 19:52

机器学习笔记

文章目录20180605岭回归公式推导20180921访问（顺访）提纲（模板）20180806《动手学深度学习》1.引言20180805机器学习术语20180804监控视频事件的描述方法与识别技术20180424

一亩高粱·2018-04-24 22:40

[MXNet/Gluon] 动手学深度学习第十六课：词向量（word2vec）

资料：https://www.bilibili.com/video/av18512944?from=search&seid=6776503808153951952新闻：https://aws.amazon.com/cn/blogs/china/amazon-sagemaker-blazingtext-parallelizing-word2vec-on-multiple-cpus-or-gpus/没

啊哈JC熙·2018-04-23 15:50

动手学深度学习(二)——欠拟合和过拟合

文章作者：Tyan博客：noahsnail.com|CSDN|简书注：本文为李沐大神的《动手学深度学习》的课程笔记！

SnailTyan·2018-03-01 18:48

动手学深度学习(一)——逻辑回归(从零开始)

文章作者：Tyan博客：noahsnail.com|CSDN|注：本文为李沐大神的《动手学深度学习》的课程笔记！

SnailTyan·2018-02-09 15:10

动手学深度学习(一)——线性回归从零开始